每天听简报，了解最新科技、AI、软件资讯
强化学习环境可以像数据集一样，在Hugging Face的Hub上统一发现和管理。环境响应智能体动作，奖励可以衡量评测表现，或为训练提供学习信号。官方九月二十八日介绍，这次重点是任务集合，包括任务、测试和奖励规则。作者给数据集仓库加上环境标签，再标出兼容的框架，用户就能筛选环境，拿到对应加载命令。Harbor、Verifiers、OpenEnv和NeMo Gym已有框架标签。仓库保存文件和版本，具体执行仍由框架在本地或支持的云后端完成。一个仓库可以标记多个框架，但标签只描述兼容性，不会自动把任务转换过去，也不会自动启动运行。
进度保存在本设备 · 登录同步